Tujuan PENDAHULUAN. Latar Belakang

Ukuran: px
Mulai penontonan dengan halaman:

Download "Tujuan PENDAHULUAN. Latar Belakang"

Transkripsi

1 PENDAHULUAN Latar Belakag Saat, pembajaka peragkat luak d Idoesa mash sagat tgg Berdasarka hasl surve Busess Software Allace (BSA) dalam Kompas (009), tgkat pembajaka peragkat luak d Idoesa sebesar 84% pada tahu 007 Idoesa meempat pergkat ke- egara pembajaka peragkat luak d dua dalam Ffth Aual Global Software Pracy Study utuk tahu 007 Kods tetu saja merugka egara terutama dalam hubuga blateral perdagaga atara Idoesa dega luar eger Peragkat luak utuk aalss statstka saat sagat bayak amu pegguaaya d Idoesa mash dlakuka secara legal Salah satu upaya utuk megurag tgkat pembajaka peragkat luak d Idoesa alah megembagka peragkat luak Statstka yag ope source, salah satuya alah R R merupaka peragkat luak utuk aalss statstka da grafk yag dapat dkembagka serta ddstrbuska ulag secara bebas dega dasar bahasa pemrograma S R dkembagka oleh AT&T s Bell Laboratores R terdr dar paket-paket yag bers fugs-fugs, data, da dokumetas dalam R Ada dua jes paket R yatu paket stadar yag harus ada dalam R da paket yag dkembagka oleh bayak ahl Paket R dapat ddowload secara grats pada Utuk membuat paket R d lgkuga Wdows dbutuhka peragkat luak tambaha yatu Perl, MGW, HTML Help Workshop da Tex R dapat berjala pada sstem operas Ux, Wdows, da Mac Saat, vers terakhr R alah R 9 (Hork, 009) Pegguaa R utuk aalss statstka d Idoesa mash sagat kurag karea peragkat tdak mudah dguaka khususya bag yag belum terlalu paham statstka da pemrograma Oleh karea tu, dperluka pembuata paket R dega atarmuka yag user fredly sehgga memudahka peggua ostatsts da oprogramer utuk melakuka aalss statstka, yatu statstka dasar, aalss regres, aalss peracaga percobaa, aalss deret waktu, da aalss multvarat Peelta dfokuska haya pada paket statstka dasar da aalss regres ler yag merupaka satu-kesatua dar empat karya lmah Tujua Peelta bertujua utuk meyusu da megembagka paket R dalam aalss regres ler dega atarmuka user fredly bag prakts sehgga mudah dguaka Ruag Lgkup Peelta merupaka peyusua paket R utuk aalss statstka yag mudah dguaka Aalss statstka tersebut mecakup: Aalss statstka dasar melput ukura lokas, ukura pemusata da peyebara, statstka deskrptf, kovara da korelas, uj keormala, da feresa dasar Statstka grafk Aalss regres ler melput model/koefse regres, aalss ragam, uj parsal, uj asums, peetua selag kepercayaa da selag predks bag dugaa respo, la VIF, ssaa, ssaa terstadarka, duga respo, dkator data berpegaruh (Leverages, Cook s Dstace, DFFITS, DFBETAS, da COVRATIO), da prosedur pemlha peubah predktor (stepwse, forward, da backward) Aalss racaga percobaa melput model RAL, RAK, RBSL, faktoral RAL, faktoral RAK, Splt plot, uj asums, da uj lajut (BNT, BNJ, da Duca) Aalss deret waktu mecakup plot deret waktu, pemulusa, pemodela ARIMA, da uj asums Aalss multvarat mecakup statstka dasar, uj keormala gada, aalss kompoe utama, aalss gerombol, aalss faktor, da bplot Peelta haya dfokuska pada peyusua paket R utuk meghtug da megaalss kovara da korelas, uj keormala, da aalss regres ler TINJAUAN PUSTAKA Rekayasa Peragkat Luak Rekayasa peragkat luak alah dspl lmu yag membahas semua aspek produks peragkat luak, mula dar tahap awal spesfkas sstem sampa pemelharaa sstem setelah dguaka (Sommervlle, 003) Proses peragkat luak alah seragkaa kegata da hasl-hasl relevaya yag meghaslka peragkat luak Represetas abstrak yag merupaka peyederhaaa dar proses peragkat luak dsebut dega model

2 proses peragkat luak Dalam Sommervlle (003), terdapat empat jes model proses peragkat luak yatu model ar terju (waterfall), pegembaga evolusoer, pegembaga sstem formal, da pegembaga berdasarka pemakaa ulag Tahapa utama dalam pegembaga peragkat luak model ar terju alah: Aalss da defs persyarata Pelayaa, batasa, da tujua sstem dtetuka melalu kosultas dega peggua sstem Persyarata kemuda ddefska secara rc da berfugs sebaga spesfkas sstem Peracaga sstem da peragkat luak Proses peracaga sstem membag persyarata dalam sstem peragkat keras atau peragkat luak Kegata meetuka arstektur sstem secara keseluruha Peracaga peragkat luak melbatka detfkas da deskrps abstraks sstem peragkat luak yag medasar da hubuga-hubugaya 3 Implemetas da peguja ut Pada tahap, peracaga peragkat luak drealsaska sebaga seragkaa program atau ut program Peguja ut melbatka verfkas bahwa setap ut telah memeuh spesfkasya 4 Itegras da peguja sstem Ut program atau program dvdual dtegraska da duj sebaga sstem yag legkap utuk mejam bahwa persyarata sstem telah dpeuh 5 Operas da pemelharaa Tahapa merupaka fase sklus hdup yag palg lama Sstem dpasag da dpaka Pemelharaa mecakup koreks dar berbaga kesalaha yag tdak dtemuka pada tahap-tahap sebelumya, perbaka atas mplemetas ut sstem da pegembaga pelayaa sstem, semetara persyarata-persyarata baru dtambahka Hubuga atar Dua Peubah Hubuga atar dua peubah dapat dlhat dar koefse korelasya Korelas merupaka la yag meujukka keerata hubuga ler atara dua peubah (Auudd, 005) Metode korelas terdr dar korelas parametrk utuk peubah kotu (berskala terval da raso) da korelas oparametrk utuk peubah yag berskala ordal Metode korelas parametrk yatu korelas Pearso sedagka korelas oparametrk yatu korelas Spearma da korelas Kedall Korelas Pearso Data yag dhtug dalam korelas Pearso merupaka cotoh acak berukura berupa data berpasaga (x,y ),,(x,y ) yag sfatya kotu Koefse korelas Pearso dhtug dega rumus : r x,y ( x x)( y y) ( x x) ( y y) Meurut Auudd (005), koefse korelas mempuya sfat-sfat atara la: Tapa satua da bebas terhadap satua pegukura X da Y Nla r x,y berksar atara - hgga + 3 Besar la r x,y meujukka keerata hubuga ler atara dua peubah 4 Tada la r x,y (postf atau egatf) meujukka arah hubuga kedua peubah Semak besar la r x,y atau medekat meujukka semak kuat hubuga ler atar peubah tersebut Korelas Spearma Meurut Auudd (005), korelas Spearma umumya dguaka pada la pergkat dar peubah X da Y atau pegukura pada peubah yag dtelt berskala ordal Data merupaka cotoh acak berukura berpasaga (x,y ),,(x,y ) Jka R da S merupaka pergkat dar lala pegamata x da y yag berpasaga maka korelas Spearma drumuska sebaga : atau rs rs ( R R )( S S ) ( R R ) ( S S ) RS C ( R C) ( S C) dmaa C=(+) /4 Jka semua amata berlaa satu sama laya maka dapat dsederhaaka mejad : 6( R S ) rs ( )

3 3 Korelas Kedall Korelas Kedall atau basa dsebut dega Tau Kedall umumya dguaka utuk data berukura berpasaga (x,y ),,(x,y ) berskala ordal Nla statstk yag dguaka dalam Dael (990) alah : S ˆ ( ) / jka ada amata yag sama maka la statstkya mejad : S ˆ ( ) Tx ( ) T y dmaa T x ( ), t x tx T y ( ) t y t y t x alah jumlah amata X yag sama pada pergkat tertetu, t y alah jumlah amata Y yag sama pada pergkat tertetu da la S dperoleh dar prosedur berkut : a Urutka amata (X, Y ) pada sebuah kolom megkut uruta la X dar yag terkecl hgga yag terbesar, X dsebut terurut secara atural b Badgka la Y pada suatu uruta dega la Y d bawahya, jka la Y d bawahya lebh besar darpada la Y d atasya maka dsebut dega terurut secara atural da jka sebalkya, la Y d bawahya lebh kecl darpada la Y d atasya maka dsebut dega terurut secara berkebalka c Msalka P alah bayakya pasaga yag terurut secara atural da Q adalah bayakya pasaga yag terurut secara berkebalka d S = P Q Aalss Regres Ler Aalss Regres Aalss regres merupaka alat statstka utuk megevaluas hubuga atara satu atau lebh peubah bebas X,X,,X k dega peubah tak bebas (Y) (Mattjk-Sumertajaya, 00) Betuk umum model regres dega k peubah bebas adalah sebaga berkut: Y = 0 + X + X + + k X k + dega : Y = peubah tak bebas X k = peubah bebas ke- pada ulaga ke-k = ssaa ε β j = koefse regres Secara umum model regres dapat dtulska dalam otas matrks sebaga berkut : Y = X + Pedugaa koefse regres dlakuka megguaka metode kuadrat terkecl yatu dega memmumka jumlah kuadrat ssaa Peguja hpotess megea parameter persamaa regres dlakuka melalu peguraa sumber-sumber keragama model tersebut Utuk melhat pegaruh masg-masg peubah bebas dlakuka uj-t terhadap la dugaa parameter regres dega hpotess ol β = 0 da hpotess alteratf β 0 atau β > 0 atau β < 0 Nla statstk yag dguaka alah : b 0 thtug s yag dbadgka dega sebara t dega derajat bebas - Pemlha Model Regres Terbak Ada beberapa dkator utuk meetuka model regres terbak Idkator kebaka model regres tersebut dataraya alah la s, R, R adjusted, da statstk Cp Mallows (Rawlgs, Patula, da Dckey, 998) Statstk s merupaka akar kuadrat dar kuadrat tegah ssaa Kuadrat tegah ssaa merupaka baga keragama peubah respo yag tdak mampu djelaska oleh model, sehgga semak besar la s maka semak besar pula keragama peubah respo yag tdak mampu djelaska oleh model Statstk R atau koefse determas merupaka ukura keragama peubah respo yag mampu dteragka oleh model Rumus dar statstk alah JKR JKS R JKT JKT Semak besar R suatu model maka semak teradalka model tersebut Peambaha peubah pejelas baru dalam model dapat megkatka la R amu belum tetu aka megurag keragama ssaa jka peguraga jumlah kuadrat ssaa karea peambaha peubah pejelas baru tdak sebadg dega peguraga derajat bebas ssaa Pegembaga dar statstk R yag megakomodr besarya derajat bebas ssaa alah statstk R adjusted dega formula : JKS /( p) R JKT /( ) Statstk C p Mallows alah dugaa bag total kuadrat tegah ssaa pedugaa terbakuka (stadardzed total mea squared error of estmato) dar data dega formula : JKS p C p p' s b

4 4 JKS p adalah jumlah kuadrat ssaa dar hmpua baga model dega p peubah pejelas da s adalah peduga bag yag berasal dar formas d luar model atau dar model yag megadug semua peubah pejelas Jumlah kuadrat ssaa alah peduga yag tak bas bag (-p ) da la C p krakra aka sama dega p jka modelya layak Ada beberapa sara bag krtera la C p yag optmal Mallows dalam Rawlgs, Patula, da Dckey (998) meyaraka utuk megguaka model dega la C p yag kecl da dekat dega p sedagka Hockg megguaka dua krtera tergatug apakah model tersebut dguaka utuk predks peubah respo atau utuk pedugaa parameter Utuk keperlua predks, Hockg dalam Rawlgs, Patula, da Dckey (998) meyaraka utuk megguaka model dega C p p sedagka utuk pedugaa parameter la C p yag dsaraka adalah C p p t, dega t adalah bayakya peubah pejelas dalam model dega semua peubah pejelas masuk dalam model Terdapat beberapa metode dalam pemlha peubah bebas utuk meetuka model regres terbak dataraya metode elmas lagkah maju (forward selecto), metode elmas lagkah mudur (backward elmato), da metode regres bertatar (stepwse regresso) Model ddetfkas secara bertahap dega memasukka atau megeluarka peubah bebas (tergatug metode yag dguaka) yag mempuya pegaruh yag besar terhadap jumlah kuadrat ssaa Model yag terbak dlhat dar dkator kebaka modelya sepert s, R, R adjusted, da statstk Cp Mallows a Metode elmas lagkah maju (forward selecto) Prosedur memlh hmpua baga model dega cara meambahka satu per satu peubah pejelas pada model yag ddapatka pada lagkah sebelumya (Rawlgs, Patula da Dckey, 998) Peubah pejelas yag dmasukka terlebh dahulu alah peubah yag meeragka keragama respo palg besar yatu peubah yag mempuya korelas terbesar terhadap peubah respo Peubah terus dtambahka ke dalam model sampa tdak ada lag peubah yag berpegaruh terhadap peubah respo atau peambaha peubah baru tdak berpegaruh besar terhadap jumlah kuadrat ssaa Model terakhr dplh mejad model yag terbak b Metode elmas lagkah mudur (backward elmato) Metode dmula dega regres terbesar dega megguaka semua peubah da secara bertahap megurag bayakya peubah d dalam persamaa utuk megurag jumlah kuadrat ssaa Peubah pertama yag dkeluarka alah peubah yag meeragka keragama respo palg kecl Model terbak alah model yag peubah-peubah pejelasya berpegaruh terhadap respo atau uj pasalya sgfka pada taraf yata tertetu c Metode regres bertatar (stepwse regresso) Metode merupaka kombas dar metode forward da backward Ide dar metode alah peubah yag telah dmasukka pada metode forward dapat mejad tdak petg setelah dtambahka peubah baru atau peubah yag telah dkeluarka dar metode backward dapat mejad petg setelah peubah pejelas la dkeluarka dar model Prosedur dmula dega memasukka peubah bebas yag palg berkorelas ke dalam model kemuda dlakuka evaluas terhadap peubah yag sudah ada d dalam model Jka peubah dalam model setelah peambaha peubah baru tdak berpegaruh yata terhadap peubah respo maka keluarka peubah tersebut Model terbak dplh jka tdak ada peubah yag dapat keluar da masuk ke dalam model Pecla da Amata Berpegaruh Pecla alah amata yag la mutlak ssaaya lebh besar darpada ssaa-ssaa laya Draper & Smth (99) meyataka bahwa suatu amata daggap pecla jka la mutlak ssaa suatu amata lebh besar dar tga atau empat smpaga baku atau lebh jauh lag dar rata-rataya Amata berpegaruh alah pegamata yag la dataya jauh dar data laya yag memlk pegaruh yag hampr sama besar dega keseluruha data laya Pemerksaa terhadap pegamata berpegaruh dapat dlakuka pada usur dagoal utama (h ) matrks proyeks X(X X) - X Belsley, Kuh, ad Welsch (980) dalam Rawlgs, Patula, da Dckey (998) meyaraka megguaka h >p / dega p alah jumlah parameter regres da alah jumlah amata utuk megdetfkas kemugka amata berpegaruh Ukura pegaruh pegamata laya dalam Rawlgs, Patula, da Dckey

5 5 (998) atara la Cook s Dstace, DFFITS, DFBETAS, da COVRATIO a Cook s Dstace Cook s Dstace dguaka utuk megukur perubaha dalam ˆ jka suatu amata dkeluarka dar aalss Cook s Dstace ddefska sebaga : r h D p' h dmaa r alah ssaa terbakuka e r s h Suatu amata berpotes mempegaruh ˆ jka la D > 4/ atau D > F (α,p,-p) b DFFITS DFFITS meujukka ukura perubaha Ŷ jka amata ke- tdak dguaka dalam pedugaa β DFFITS ddefska sebaga : Yˆ Yˆ ( ) h e DFFITS s h h s h ˆ ( ) ( ) dmaa Y ( ) alah dugaa la tegah bag amata ke- da s() alah dugaa bag σ ketka amata tdak dguaka dalam pedugaa β Belsley, Kuh, ad Welsch (980) dalam Rawlgs, Patula, da Dckey (998) meyaraka jka DFFITS > p '/ maka amata tersebut berpotes merupaka amata berpegaruh c DFBETAS DFBETAS meujukka dampak amata ke- terhadap masg-masg dugaa koefse regres DFBETAS ddefska sebaga : ˆ j ˆ j( ) DFBETAS s c jj dmaa c jj alah eleme dagoal ke-(j+) dar matrks (X X) - Jka DFBETAS > maka amata tersebut berpotes merupaka amata berpegaruh meurut Belsley, Kuh, ad Welsch (980) dalam Rawlgs, Patula, da Dckey (998) d COVRATIO COVRATIO meujukka pegaruh amata ke- terhadap matrks ragamperagam pada dugaa koefse regres yag dhtug dar perbadga atara determa dua matrks ragam-peragam COVRATIO ddefska sebaga : COVRATIO det( s ( ) [ X '( ) X ( ) ]) det( s [ X ' X ]) p * p' r COVRATIO ( h ) ' ' p p COVRATIO mereflekska dampak amata ke- terhadap press pedugaa koefse regres Belsley, Kuh, ad Welsch (980) dalam Rawlgs, Patula, da Dckey (998) meyaraka la COVRATIO yag berada d luar selag ±(3p /) berpotes mejad amata berpegaruh utuk megkatka atau megurag press peduga parameter regres Multkolertas Kolear gada (multkolertas) adalah hubuga lear yag kuat atara peubahpeubah bebas dalam persamaa regres bergada Utuk medeteks adaya masalah multkoler dapat dlakuka dega eksploras hubuga atar peubah pejelas, bak lewat plot pecara maupu korelas atar peubah pejelas Cara la dapat dlakuka dega meghtug Varace Iflato Factor (VIF) Nla VIF megukur seberapa besar ragam dar dugaa koefse regres aka megkat apabla atar peubah pejelas terdapat masalah multkoler Formula bag VIF adalah sebaga berkut: VIF = ( R ) - dmaa R merupaka koefse determas regres atara peubah X ke- sebaga peubah respoya dega peubah X laya sebaga peubah pejelasya Nla VIF = meujukka tdak ada korelas atar peubah pejelas Myers (989) meyataka la VIF>0 megdkaska terdapatya multkolertas Asums Aalss Regres Ler Asums-asums yag harus dpeuh dalam aalss regres ler adalah : Ssaa meyebar ormal dega la tegah ol da ragam kosta (ε ~N(0,σ )) Tdak ada autokorelas atar ssaa (cov(ε,ε j ) = 0, ) 3 Ssaa salg bebas terhadap peubah bebas (cov (X, εj)=0, ) Uj Keormala Pemerksaa keormala data dapat dlakuka secara eksploras melalu plot kuatl-kuatl maupu dega peguja formal Secara umum, uj keormala dbedaka mejad uj oparametrk da uj

6 6 parametrk Uj keormala oparametrk dataraya yatu uj Pearso ch-square, uj Kolmogorv-Smrov, da uj Cramer-vo Mses Uj keormala parametrk atara la uj Shapro-Wlk, uj Rya-Joer, da uj Aderso-Darlg Hpotess ol utuk uj keormala alah data megkut sebara ormal da hpotess alteratfya alah data tdak megkut sebara ormal Uj Keormala Noparametrk Uj Pearso ch-square Uj merupaka uj keormala tertua yag dkealka oleh Pearso pada tahu 900 (Coover, 980) Data yag duj merupaka amata salg bebas dar peubah acak X umerk Uj dlakuka dega membag amata ke dalam k kelas yag salg bebas dega alah jumlah amata yag masuk kelas ke- da p alah peluag amata masuk kelas ke- Statstk ddefska sebaga : p p dmaa p alah jumlah amata harapa yag masuk kelas ke- Data meghampr sebara ormal jka statstk uj (χ ) < χ (k-m-) dega m alah bayakya parameter yag aka dduga Kelemaha dar uj alah hasl yag dperoleh dpegaruh oleh jumlah da ukura k kelas yag dplh (Thode, 00) serta tdak tepat dguaka jka jumlah amata harapa terlalu kecl (Coover, 980) Cochra dalam Coover (980) meyaraka tdak ada jumlah amata harapa kelas ke- yag kurag dar 5 Uj kurag powerful dbadgka dega uj keormala laya Uj Kolmogorov-Smrov Uj Kolmogorv-Smrov ddasarka pada perbedaa maksmum atara fugs sebara kumulatf ormal dega fugs sebara emprs Data merupaka amata salg bebas dar peubah acak X umerk Statstk uj yag dguaka : D sup S( x) F ( x) x 0 dega S(x) alah sebara kumulatf cotoh da F 0 (x) alah sebara kumulatf ormal Data meghampr sebara ormal pada taraf yata α jka la D < D (- α, ) pada tabel la krts uj Kolmogorov-Smrov atau la-p lebh besar darpada taraf yata (Dael, 990) Uj kurag powerful dbadgka dega uj yag berbass fugs sebara kumulatf laya yatu uj Cramervo Mses da uj Aderso-Darlg (Thode, 00) Namu meurut Coover (980), uj secara umum lebh powerful darpada uj Pearso ch-square 3 Uj Cramer-vo Mses Uj berdasarka pada fugs sebara emprs dega statstk uj : W [ F ( x) F0 ( x)] df0 ( x) Utuk kepraktsa, bla pegamata x () sudah durutka, maka rumus yag basa dpaka : W p( ) dmaa p () alah sebara kumulatf ormal dega modfkas W * = (+05) W Nla W * dbadgka dega la krts pada tabel da jka la-p hasl peguja lebh besar dar taraf yata maka dsmpulka data meghampr sebara ormal Stephes (974) dalam Thode (00) membadgka uj dega uj Kolmogorov-Smrov da Aderso-Darlg Hasl peguja yatu uj Cramer-vo Mses tdak lebh bak dar uj Aderso-Darlg tap lebh bak jka dbadgka dega uj Kolmogorov- Smrov Uj Keormala Parametrk Uj Aderso-Darlg Uj Aderso-Darlg merupaka uj berbass fugs sebara kumulatf dega statstk uj : log p( ) log ( p( A - ) yag dmodfkas oleh Stephes (986a) dalam Thode (00) mejad A * = ( / + 5/ )A dmaa p () alah sebara kumulatf ormal Nla A * dbadgka dega la krts pada tabel da jka la-p hasl peguja lebh besar dar taraf yata maka dsmpulka data meghampr sebara ormal Uj merupaka uj yag palg powerful dbadgka dega uj Kolmogorov-Smrov da uj Cramer-vo Mses (Thode, 00) Uj Shapro-Wlk Uj keormala Shapro-Wlk ddefska sebaga : W / a x x ( ) ( ( ) ( ) ) ( x x )

7 7 dmaa data terurut dar kecl ke besar X () X () X () da koefse a,a,,a / dperoleh dar tabel uj Shapro-Wlk Data meghampr sebara ormal jka W > W tabel atau la W medekat Uj relatf powerful dbadgka dega uj keormala laya Uj juga mempuya kekuata uj yag relatf tgg utuk data smetrk mejulur dega ekor pedek da data mejulur dega ekor pajag dbadgka dega uj la Thode (00) merekomedaska uj utuk peguja keormala data secara umum 3 Uj Rya-Joer Uj Rya-Joer merupaka modfkas dar uj Shapro-Wlk Uj meghaslka koefse korelas yag megdkaska hubuga atara data yag duj dega skor ormal dar data tersebut Jka korelasya medekat satu maka data tersebut meghampr plot sebara ormal Statstk uj yag dguaka : R ˆ x z z x z alah skor ormal da ˆ alah peduga bag model ler x = 0 + z + e Jka statstk uj kurag dar la krts maka tolak H 0 (Mtab Help, 003) Uj setara dega uj Shapro-Wlk Smulas yag dlakuka oleh Rya & Joer (976) meujukka bahwa haya ada perbedaa kecl kekuata uj atara uj Rya- Joer dega uj Shapro-Wlk Uj Shapro- Wlk lebh bak dbadgka dega uj Rya-Joer utuk data mejulur dega ekor pedek sepert meyebar uform da tragular sedagka utuk data mejulur dega ekor pajag sepert Cauchy da ormal yag dkotamas, uj Rya-Joer meujukka kekuata uj yag lebh bak Uj Kebebasa Uj Durb-Watso Uj Durb-Watso dguaka utuk medeteks korelas seral tertetu (Draper & Smth, 99) Statstk uj yag dguaka : ( eu eu ) d u eu u Kadah pegambla kesmpula yatu : Utuk uj satu arah dega hpotess alteratf ρ>0 maka jka d<d L tolak H 0, jka d>d U tdak tolak H 0, da jka d L d d U peguja tdak koklusf pada taraf yata α Utuk uj satu arah dega hpotess alteratf ρ<0 maka jka 4-d<d L tolak H 0, jka 4-d>d U tdak tolak H 0, da jka d L 4- d d U peguja tdak koklusf pada taraf yata α Utuk uj dua arah dega hpotess alteratf ρ 0 maka jka d<d L atau 4-d<d L tolak H 0, jka d>d U atau 4-d>d U tdak tolak H 0, da jka d L d d U atau d L 4-d d U peguja tdak koklusf pada taraf yata α Uj Rutua Uj rutua alah uj oparametrk utuk melhat keacaka data Hpotess yag duj alah H 0 : data mempuya pola yag acak H : data mempuya pola yag tdak acak atau tdak salg bebas Statstk ujya alah u yatu jumlah rutua dega, ( ) ( ) ( ) µ da σ merupaka la tegah da ragam bag sebara u yag dskret ( u ) z Nla z merupaka suatu smpaga ormal dega alah jumlah ukura cotoh, alah jumlah amata tpe satu, da alah jumlah amata tpe laya Data berpola acak pada taraf yata α jka la-p pada tabel uj rutua lebh besar dar taraf yata α utuk statstk uj u,, da Meurut Draper & Smth (99), uj cukup bak dguaka jka >0 da >0 METODOLOGI Pembuata paket R megkut kadah rekayasa peragkat luak dega model ar terju (waterfall) melalu tahapa-tahapa sebaga berkut: Aalss da detfkas kebutuha sstem Aalss bertujua utuk melhat kebutuha peggua melput batasa, tujua, masuka, da keluara dar peragkat luak Tahapa dlakuka dega meggal formas yag dbutuhka dar peragkat luak yag

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi Metode Statstka Pertemua XII Aalss Korelas da Regres Aalss Hubuga Jes/tpe hubuga Ukura Keterkata Skala pegukura varabel Pemodela Keterkata Relatoshp vs Causal Relatoshp Tdak semua hubuga (relatoshp) berupa

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

Analisis Korelasi dan Regresi

Analisis Korelasi dan Regresi Aalss Korelas da Regres Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uad LOGO www.themegaller.com LOGO Data varat Data dega dua varael Terhadap satu pegamata dlakuka pegukurapegamata terhadap varael

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

Analisis Regresi dan Korelasi

Analisis Regresi dan Korelasi Metode Statstka Pertemua III Aalss Regres da Korelas Pegatar Apa tu aalss regres? Apa edaya dega korelas? Aalss Regres Aalss statstka yag memafaatka huuga atara dua atau leh peuah kuattatf sehgga salah

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

XI. ANALISIS REGRESI KORELASI

XI. ANALISIS REGRESI KORELASI I ANALISIS REGRESI KORELASI Aalss regres mempelajar betuk hubuga atara satu atau lebh peubah bebas dega satu peubah tak bebas dalam peelta peubah bebas basaya peubah yag dtetuka oelh peelt secara bebas

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat BAB II LANDASAN TEORI Sebaga pedukug dalam pembahasa selajutya, dperluka beberapa teor da defs megea varabel radom, regres ler, metode kuadrat terkecl, peguja asums aalss regres, outler, da regres robust.

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

Analisis Regresi. Oleh : Dewi Rachmatin

Analisis Regresi. Oleh : Dewi Rachmatin Aalss Regres Oleh : Dew Rachmat Pedahulua Dalam peelta basaya dguaka suatu model atau hubuga fugsoal atara peubah. Dega model kta berusaha memaham, meeragka, megedalka da kemuda mempredkska kelakua sstem

Lebih terperinci

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter Vol. 6, No., 9-6, Jauar Aalss Regres Robust Megguaka Kuadrat Terkecl Terpagkas utuk Pedugaa Parameter Asa, Raupog, Sarmat Zaudd Abstrak Prosedur regres robust dtujuka utuk megakomodas adaya keaeha data,

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

Tabel Distribusi Frekuensi

Tabel Distribusi Frekuensi Tabel Dstrbus Frekues Tabel dstrbus frekues adalah susua data meurut kelas-kelas terval tertetu atau meurut kategor tertetu dalam sebuah daftar. Dar dstrbus frekues, dapat dperoleh keteraga atau gambara

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

Lebih terperinci

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah The 6 th Uversty Research Colloquum 7 Peerapa Model Regres Esemble No-Hybrd pada Data Kemska d Provs Jawa Tegah Corela Ardaa Savta, Sr Sulstjowat Hadaja, Bowo Waro 3,3 Program Stud Matematka FMIPA, Uverstas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling. METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si. Ukura Pemusata Data Arum Had P., M.Sc Ayudyah K., M.S. Notas utuk Populas da Sampel Notas: Mea (rata-rata) Sample x Populas μ Varas s 2 σ 2 Smpaga baku s σ Ukura Pemusata Data 1. Mea (rata-rata) 2. Meda

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2 Pemodela Aomal Luas Pae Pad da Curah Huja Terbobot (Weghted Rafall Idex) dega Pedekata Robust Bootstrap LTS (Stud Kasus: Pemodela Luas Pae d Kabupate Subag) Ika Dew Aryat da Sutko Mahasswa S Statstka ITS,

Lebih terperinci

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode BAB II ANDASAN TEORI. Regres Noparametrk Metode statstka oparametrk merupaka metode statstka ag dapat dguaka dega megabaka asums-asums ag meladas pegguaa metode statstk parametrk. Terutama ag berkata dega

Lebih terperinci

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci

REGRESI SEDERHANA Regresi

REGRESI SEDERHANA Regresi P a g e REGRESI SEDERHANA.. Regres Istlah regres dkemukaka utuk pertama kal oleh seorag atropolog da ahl meteorology Fracs Galto dalam artkelya Famly Lkeess Stature pada tahu 886. Ada juga sumber la yag

Lebih terperinci

IV. BAHAN DAN METODE PENELITIAN

IV. BAHAN DAN METODE PENELITIAN IV. BAHAN DAN METODE PENELITIAN 4. Tempat da Waktu Peelta Peelta dlakuka pada areal huta alam d pulau Yamdea Kabupate Maluku Teggara Barat, Provs Maluku selama bula Aprl sampa Ju 009. Peta lokas peelta

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

b) Untuk data berfrekuensi fixi Data (Xi) B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

Lebih terperinci

Y = f(x1, X2,..., Xp) + error (2.1) = komp. sistematik + komp. non-sistematik dugaan Y = f(x1, X2,..., Xp) (2.2)

Y = f(x1, X2,..., Xp) + error (2.1) = komp. sistematik + komp. non-sistematik dugaan Y = f(x1, X2,..., Xp) (2.2) Bab. MODEL REGRESI LINEAR SEDERHANA Oleh Bambag Juada Pegerta Model & Tujua Pemodela Perumusa masalah Model Model: Abstraks realtas dlm pers matematka Model ekoometrka: model statstk yg mecakup error Y

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA. Peahulua Dalam bab aka membahas megea teor-teor tetag statstka oparametrk, korelas parsal tau Keall a korelas parsal meurut Ebuh GU a Oeka ICA.. Statstka Noparametrk Istlah oparametrk

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson. JURNAL SAINS DAN SENI IS Vol. 4, No., (5) 337-35 (3-98X Prt) D45 Pemodela Faktor-Faktor yag Mempegaruh Jumlah Kasus IV & AIDS d Provs Jawa mur ahu 3 Megguaka Bvarate Posso Regresso Lucy Da Pusptasar da

Lebih terperinci

BAB I PENDAHULUAN. dengan masalah peramalan, karena dapat digunakan untuk menyelesaikan masalah

BAB I PENDAHULUAN. dengan masalah peramalan, karena dapat digunakan untuk menyelesaikan masalah BAB I PENDAHULUAN. Latar Belakag Topk Para lmua, ekoom, pskolog, da sosolog selalu berkepetga dega masalah peramala, karea dapat dguaka utuk meyelesaka masalah dalam pegelolaa da maajeme. Salah satu metode

Lebih terperinci

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi. TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Metode penelitian sangat diperlukan dalam sebuah penelitian untuk

BAB III METODOLOGI PENELITIAN. Metode penelitian sangat diperlukan dalam sebuah penelitian untuk BAB III METODOLOGI PENELITIAN A. Metode Peelta Metode peelta sagat dperluka dalam sebuah peelta utuk memaham suatu objek peelta da utuk medapatka sejumlah formas tetag masalah pokok yag aka dpecahka. Ada

Lebih terperinci